L’apprentissage automatique accélère la formulation d’encres polymères conductrices pour bioélectronique souple

Les travaux publiés dans npj Flexible Electronics proposent un flux de conception d’encres polymères conductrices combinant variables physico-chimiques, apprentissage automatique et validation de procédés. La difficulté vient de l’interaction entre chimie des polymères, conductivité, viscosité, imprimabilité et biocompatibilité, particulièrement pour des encres destinées aux interfaces bioélectroniques souples. Les auteurs construisent un modèle prédictif à partir de jeux de données réduits, puis explorent virtuellement des formulations candidates avant d’évaluer leur aptitude à la bio-impression tridimensionnelle. La formulation retenue est présentée comme imprimable et compatible avec des applications d’interface tissulaire souple. L’intérêt réside dans l’usage de l’IA comme outil d’orientation de formulation, non comme substitut à l’expérience : le modèle réduit l’espace de recherche, mais la validation reste dépendante de l’impression, de la tenue électrochimique, de la stabilité et de la réponse biologique du matériau final.

https://www.nature.com/articles/s41528-026-00587-9